[发明专利]一种多源传感器的遥感图像配准方法

说明书

技术领域

本发明涉及图像处理技术领域中关于图像配准的方法，是一种针对多源传感器、多时相、多视角遥感图像的高精度、快速配准方法。

背景技术

图像配准是多时相、多传感器、多视角的两幅或多幅图像匹配、叠加的过程，已经广泛应用于遥感图像处理、目标识别、医学影像分析、机器视觉等领域。在遥感领域，图像配准是实现异源图像融合、异质图像分析、目标变化检测与识别、图像校正、图像镶嵌等的关键步骤。图像配准方法主要分为两类：区域配准法和特征配准法。

(1)基于图像区域的配准

基于区域的配准方法，有时也称为类相关法或者模板匹配方法，对一定大小的图像或者整幅图像，采用图像的原始灰度信息或者频域信息来度量图像之间的相似性，通过直接搜索变换空间，来估计最优几何变换模型，主要有基于灰度相似性的配准方法、基于傅立叶变换的配准方法等。

其中，基于灰度相似性的配准方法，通常选择图像的某一区域或者整幅图像作为一种特殊的图像特征，因此对于此类方法，核心就是匹配标准的度量。在以往的研究中，已经出现很多种区域匹配度量标准，相关系数是一种最常用的度量标准。互信息法是由Voila和Well于1995年首次提出的。互信息法以信息论为基础，从信息熵的角度衡量两个区域的匹配程度。

基于傅立叶变换的配准方法，提供了一种从频域角度衡量配准程度的方法。该方法的优点是计算速度快，能有效地去除频域独立的噪声，而这种噪声的影响是难以用空域滤波消除的。Kuglin和Hines提出了相位相关法，利用傅立叶变换将两幅待配准的图像变换到频域，然后利用互功率谱直接计算出两幅图像间的平移矢量。Chen最早将FFT用于SPOT影像的配准。1987年，De Castro和Morandi提出了扩展相位相关法，用傅立叶变换的性质实现具有旋转和平移变换的图像的配准。

(2)基于图像特征的配准方法

基于特征的配准方法，首先检测图像的显著特征，然后借助与特征的属性进行特征匹配，最优通过特征点对来估计变换模型；或者，直接利用特征之间的空间关系，同时完成特征匹配和变换模型估计，主要有基于特征空间的配准和基于特征描述子的配准方法等。

基于特征空间的配准方法中，Goshtasby提出了一种基于场景均一性的点匹配算法，将Clustering技术用于图像配准，Hu首先将相似不变矩应用于模式识别；Flusser和Suk导出了仿射不变矩，并成功应用于SPOT和Landsat摄像配准。基于特征描述子的配准方法，使用描述符进行配准。Goshtasby提出一种基于特征轮廓的描述符，该方法巧妙地将二值化的特征图形放到一个网格化的极坐标系中，将图形转换为矩阵进行描述。Bentoutou等人首先沿图像边缘提取Harris角点，然后采用组合不变矩来构造描述子。David Lowe设计的SIFT描述子，在多尺度空间采用DOG算子检测特征点，采用欧式距离进行测量。

发明内容

本发明的目的是提供一种多源传感器的遥感图像配准方法，针对多源传感器、多时相、多视角遥感图像进行高精度、快速配准，以解决遥感图像的自动配准问题。

为实现上述目的，本发明的技术解决方案是：

一种多源传感器的遥感图像配准方法，其包括以下步骤：

第一步，分别对待配准图像和参考图像进行尺度不变特征变换(SIFT)，提取特征点，并筛选最优匹配点对；

第二步，通过随机一致性抽样算法(RANSAC)提纯初始配准点，剔除误配准点；

第三步，对图像进行分区，通过不同区域特征点的数目，计算特征点对的分布质量权重参数，选取分布均匀的有效控制点对；

第四步，通过互信息相似判断准则，在待配准图像的控制点一定范围内搜索最优配准点，实现控制点对的精配准，获取最优配准点对；

第五步，通过最小二乘法曲线拟和，预测非线性模型二次多项式的参数，即待配准图像的几何形变参数，实现待配准图像与参考图像的精确配准。

所述的遥感图像配准方法，其所述第一步，包括：

a.1、利用二维高斯函数核对参考图像和待配准图像进行尺度空间变换，得到多尺度下的尺度空间表示序列。

a.2、特征点检测，提取尺度空间极值，并通过函数拟和实现特征点的精确定位，具体步骤如下：

a.2.1、在图像二维平面空间和高斯差分尺度空间(Difference-of-Gaussian，DOG)同时检测极值作为特征点，其中DOG算子为两个不同尺度的高斯核的差分。